apache / apache/datafusion

Sometimes Filters are not repartitioned when they could be

Aperta
#4,967 0 commenti 1 reazione 0 assegnatari Vedi su GitHub
bug optimizer
Lingua principale
Rust
Stelle
9.3k
Fork
2.4k
Merge medio
3g 11h
PR unite (30g)
360

Descrizione

**Describe the bug**

We previously had a plan like this (where the RepartitionExec was added prior to a filter in order to increase parallelism).

However, after upgrading DataFusion, the RepartitionExec is no longer there. I actually think this is a slightly worse plan as now the filter can not be done in parallel

```
FilterExec: tag@2 = A
RepartitionExec: partitioning=RoundRobinBatch(4) <--- This RepartitionExec has been removed
DeduplicateExec: [tag@2 ASC,time@3 ASC]
SortPreservingMergeExec: [tag@2 ASC,time@3 ASC]
UnionExec
ParquetExec: limit=None, partitions={1 group: [[1/1/1/1/00000000-0000-0000-0000-000000000000.parquet]]}, predicate=tag = Dictionary(Int32, Utf8("A")), pruning_predicate=tag_min@0 <= A AND A <= tag_max@1, output_ordering=[tag@2 ASC, time@3 ASC], projection=[bar, foo, tag, time] |
SortExec: [tag@2 ASC,time@3 ASC].
RecordBatchesExec: batches_groups=1 batches=1
```

**To Reproduce**
I am working on a reproducer

**Expected behavior**
A `RepartitionExec` should be added if it will increase parallelism for filtering

**Additional context**
We found this while upgrading IOx:

https://github.com/influxdata/influxdb_iox/pull/6603 -- see https://github.com/influxdata/influxdb_iox/pull/6603/files#r1072606494

Guida per i contributori

Apri la guida per i contributori

Direzione di ricerca

Inizia producendo il riproduttore menzionato nell’issue e confronta il piano di esecuzione contenente FilterExec, DeduplicateExec, SortPreservingMergeExec, UnionExec e ParquetExec con e senza RepartitionExec. Il lavoro è completato quando il piano aggiunge RepartitionExec se questo aumenta il parallelismo per il filtraggio, con il comportamento verificato tramite il riproduttore.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Valutazione

Stack tecnologico
rust
Ambito
databases
Tipo di issue
Bug
Difficoltà
4/5
Tempo stimato
3-5 giorni
Stato di attività
Ferma
Chiarezza
Da chiarire
Idoneità per principianti
35/100

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.